pandas 之 concat

准备：

语法：

实例1：

In [6]: result = pd.concat(frames)    # 等价于 result = df1.append([df2, df3])

In [7]: result = pd.concat(frames, axis=1)

实例2：

In [8]: result = pd.concat(frames, keys=['x', 'y', 'z'])

In [9]: result = pd.concat(frames, keys=['x', 'y', 'z'], axis=1)

实例3：

In [12]: result = pd.concat([df1, df4], join='inner')

实例4：

In [13]: result = pd.concat([df1, df4], axis=1, join_axes=[df1.index])

In [14]: result = pd.concat([df1, df4],  join_axes=[df1.columns])

实例5：

In [15]: result = pd.concat([df1, df4], ignore_index=True)   # 等价于 df1.append(df4, ignore_index=True)

In [16]: result = pd.concat([df1, df4], axis=1, ignore_index=True)

 

总结：

 1， axis=0, 对行操作    axis=1， 对列操作
 2. join='outer', 连接各个数据 ，取并集   join='inner',只取各个数据的公共部分，取交集
 3. join_axes=[df1.index], 保留与df1的行标签一样的数据，配合axis=1一起用    
    join_axes=[df1.columns]，保留与df1的列标签一样的数据，不要添加axis=1
 4. ignore_index=False, 保留原索引    ignore_index=True,忽略原索引并生成新索引
 5. keys=['x', 'y', 'z'] 对组成的每个df重新添加个索引

参考：

https://www.cnblogs.com/liuq/p/7019262.html